Trasformazione digitale nel settore sanitario: Applicazione dell'intelligenza artificiale nella lettura dei risultati mammografici nel centro sanitario della contea di Primorje-Gorski Kotar

Sfide

Il centro sanitario della contea di Primorje-Gorski Kotar, così come molte altre istituzioni sanitarie in Croazia e oltre, affronta processi lunghi e ad alta intensità di risorse di lettura di mammografie. Una delle sfide chiave è la mancanza cronica di radiologi, con conseguente lunghe liste d'attesa, diagnosi ritardata e un aumento del rischio di mancare i primi segni di cancro al seno.

Nel contesto della diagnosi precoce del cancro al seno, il tempo è un fattore chiave. Ogni giorno di ritardo nella lettura può significare la differenza tra un trattamento di successo e un intervento tardivo e più complicato. Inoltre, l'interpretazione delle mammografie spesso comporta una certa dose di soggettività, che aumenta ulteriormente la pressione sul numero limitato di radiologi disponibili e riduce la coerenza diagnostica tra gli specialisti.

Alla luce di quanto precede, è diventato necessario prendere in considerazione l'uso dell'intelligenza artificiale (IA) come partner tecnologico per affrontare queste sfide. L'IA non sostituirebbe i professionisti, ma consentirebbe loro di svolgere il proprio lavoro in modo più efficiente, rapido e sicuro.

Soluzione

Nell'ambito delle attività Test Before Invest (TBI), l'EDIH Adria ha proposto e testato l'applicazione di un modello di IA per il rilevamento e la localizzazione automatici delle lesioni su mammografie, basato sull'algoritmo YOLOv11, uno dei modelli di visione artificiale più avanzati e veloci per l'analisi delle immagini in tempo reale.

Individuazione e localizzazione di lesioni sospette - YOLOv11

Il modello YOLOv11 (You Only Look Once) utilizza reti neurali convoluzionali profonde per analizzare l'intera immagine in un unico passaggio, consentendo il rilevamento molto veloce e preciso di masse sospette. Il sistema rileva e classifica le lesioni come potenzialmente benigne o maligne e indica automaticamente le loro posizioni nell'immagine mammografica, insieme al livello di confidenza per ogni risultato.

Durante i test, il modello ha mostrato risultati significativi in termini di velocità e precisione, e un ulteriore vantaggio è che può essere regolato e ulteriormente addestrato sui dati domestici, il che aumenterebbe la specificità nel contesto del sistema sanitario croato.

Il sistema è concepito come uno strumento che supporta il triage del paziente: indica i casi a rischio e ne consente l'esame prioritario, contribuendo in modo significativo all'ottimizzazione del processo diagnostico in condizioni di risorse limitate.

Risultati e benefici

La fase di test della soluzione ha confermato i seguenti benefici:

✅Significativa accelerazione nell'elaborazione dei risultati: il rilevamento richiede solo pochi secondi per colpo
✅Definizione automatica delle priorità dei casi: il sistema segnala i casi più critici per una rapida panoramica
✅Ridurre il carico cognitivo dei radiologi: i risultati di routine possono essere filtrati rapidamente, lasciando più tempo per i casi complessi
✅Standardizzazione delle letture – riduce la variabilità tra i diversi professionisti
✅Preparazione all'integrazione nella pratica clinica: l'interfaccia e il modello possono essere collegati ai sistemi informativi ospedalieri esistenti (PACS, RIS, ecc.)
✅Scalabilità – la soluzione può essere estesa ad altre istituzioni che si trovano ad affrontare sfide analoghe

Insegnamenti tratti

Il progetto ha evidenziato diversi risultati chiave:

• Qualità dei dati: l'efficace attuazione dei sistemi di IA richiede dati chiaramente etichettati, di alta qualità e diversificati
• Coinvolgimento degli utenti – La collaborazione con il personale medico durante i test è stata fondamentale per progettare una soluzione adatta alle esigenze reali
• Architettura flessibile delle soluzioni, che consente un rapido adattamento a nuove condizioni cliniche e regioni
• Fiducia nel sistema: una logica decisionale trasparente e la visualizzazione dei risultati aumentano l'accettazione da parte dei radiologi

Conclusion

Date le sfide che il sistema sanitario sta sempre più affrontando, l'IA sta diventando un alleato necessario per mantenere la qualità e la velocità della diagnostica. Introducendo un sistema basato sul modello YOLOv11, è possibile implementare una soluzione AI concreta, efficiente e scalabile che soddisfi le sfide della vita quotidiana nella salute pubblica.

Questa soluzione non solo contribuisce alla diagnosi precoce del cancro al seno, ma funge anche da esempio di buona pratica per altre istituzioni sanitarie che vogliono modernizzare i loro processi diagnostici senza grandi investimenti e con modifiche minime ai flussi di lavoro esistenti.

Dopo la fase di test della soluzione menzionata, è necessario definire tutti i passaggi necessari per l'approvvigionamento dei servizi e delle risorse necessarie per la realizzazione del progetto, che include, tra le altre cose, lo sviluppo delle specifiche tecniche del sistema. Inoltre, in accordo con gli altri stakeholder del progetto, verrà redatto un piano finanziario e una dichiarazione dei costi con l'obiettivo di trovare fonti di finanziamento che consentano l'avvio della fase operativa del progetto e la messa in servizio finale. È importante notare che prima della piena attuazione, il sistema sarà addestrato su una grande quantità di risultati e dati dal database del Centro sanitario della contea di Primorje-Gorski Kotar al fine di verificarne finalmente l'accuratezza e l'efficacia e confermare tutti i risultati e i benefici identificati nella fase preliminare.